南方+ | 听懂发电机振动、读懂水轮机心跳,中能拾贝为能源装上工业大脑
2026-11-19本文转载自:南方报业传媒集团南方+
作者:郜小平
从乌东德、溪洛渡再到三峡等水电站,沿长江干流自上而下排列,构成了世界最大清洁能源走廊,超百台水轮发电机组昼夜运转,浩浩江水带来滚滚绿电。
在一些水电“大动脉”的核心节点上,一家来自广州、成立于2005年的中能拾贝科技有限公司,为它们装上“工业大脑”,使其“听懂”发电机的振动、“读懂”水轮机的“心跳”,在机器的语言中寻找硬核价值。
当前,国内水电行业正由基础数字化改造迈入自主感知、自主决策、自主运维的深度智能化新阶段。但产业落地仍面临多重难关:数据割裂与知识隔阂导致通用大模型无法精准理解工业场景;行业样本稀疏导致模型精度难以满足生产安全标准;AI“黑盒”决策导致结论不可追溯、不敢采信,等等。
在中能拾贝创始人兼CTO刘勇看来,中国作为制造业大国,人工智能最大的赛道未来将会在工业。但工业场景对确定性、可靠性和安全性的极致追求,决定了它不能简单复制消费互联网的AI落地路径,必须建立一套专属的工程化理论方法和可靠的技术工具集。

中能拾贝的成长故事,也是中国企业持续攻坚关键技术,打造自主、安全的工业管理软件,并不断打入高端市场的一个缩影。
成立的前10年,中能拾贝从华南水电市场切入,代理国外EAM软件,同时承建省级水电生产管理系统,完成电力资产管理信息化的原始积累,也积累了行业Know-how(知识诀窍)。
第十个年头开始,中能拾贝进入自研产品期,并推出自研EAM、PHM等标准化工业软件,构建资产全生命周期管理体系,服务覆盖国内五大发电集团,逐步摆脱对国外产品的依赖。
发展至今,中能拾贝已经进入国产化替代期,包括立项自研拾贝云工业智能操作系统CyberwIIOS,定位“国内首批工业智能技术底座”,2025年提出SDKIP工业智能方法论,2026年发布CyberwIIOS 3.0原生AI化版本。
从最初只是国外大牌工业管理软件的代理商,到开启自主研发之路,中能拾贝一路见证了自主工业管理软件“能用”到“好用”的进步,公司从底层工业物联到上层智能应用进行整体重构,逐步建立起复杂水电场站全要素数字化管理能力。
截至目前,中能拾贝产品已应用于全国超1000家企业级客户,服务国家电网、南方电网、华能集团、大唐集团、国家电投、三峡集团等,超70%客户合作五年以上。

中能拾贝选择深耕能源电力这一高门槛行业,这个行业看似传统,实则代表着工业AI最复杂、最关键、最有战略价值的应用空间。
“水电机组是一个很典型的高附加值场景。”刘勇举例说,仅一台机组一天的发电收入就能达到上百万元,一些大型水库一天的产值能从几千万元到上亿元不等。通过数字化改造,提高运维效率、降低停机时间,可以起到明显的降本增效。
打铁还需自身硬。仅有自主可控,远不足以支撑技术落地,能力领先才是进入高价值场景的前提。
“高价值场景也意味着,客户是资产密集型行业,尤其是像发电、石油化工以及其他重工业,一套设备动辄以亿元为单位。”刘勇说,工业场景对确定性、可靠性和安全性的极致追求,决定了它不能简单复制消费互联网的AI落地路径,必须建立一套专属的工程化理论方法和可靠的技术工具集。
当下工业AI进入场景真正的难点是什么?不是算力,也不是算法,而是“读懂现场”。基于此,中能拾贝认为,水电与抽蓄行业需要的不是通用AI,而是深度贴合工业现场、可解释、可追溯、可信赖的专属AI。
能体现工业AI深度的,是公司在智慧设备领域积累的大量诊断模型。刘勇提到,团队曾在相关项目中沉淀出“1000种算法”,这并不是简单意义上的1000个预设程序,而是围绕不同设备、不同工况、不同环境、不同介质条件形成的上千种模型组合能力。
这1000多种算法,也不是偏向1000多种不同的场景,而是针对不同的场景提出多种算法。通过多算法交叉验证以及人工复核校验来避免幻觉风险。
“同一台设备,因为安装环境、水头高低、启停频率不同,它的健康管理模型都可能不同。没有长期数据积累,没有对设备材质、疲劳机理、运行特征的理解,做不出这种颗粒度的算法。”刘勇说。
从一个支点出发,中能拾贝不断形成了工业AI落地的完整闭环,即AI不能停留在“预警”或“分析”阶段,必须嵌入实际业务流程,从研判到执行、反馈、沉淀,形成可追踪、可复用的完整链路。
刘勇解释,比如石油化工,看起来与水电能源“隔行如隔山”,但实际上,一些火电厂也要烧煤、燃气,这与化工行业管理模式很相似,涉及能源管理到危化品管理,甚至还涉及能源产品的国际价格与波动。
针对行业深度智能化转型需求,中能拾贝依托深耕电力行业的技术积累与项目实践,推出APM全域资产价值管理体系——AI融合型新一代工业智能解决方案,打破传统系统孤立建设模式,以工业AI技术为核心基座,深度融合EAM企业资产管理、PHM设备故障预测与健康管理、ICS工业控制系统三大核心能力,实现三大系统能力融通、数据互通、业务联动,构建全链路一体化智慧运维体系。
当智能体覆盖的场景越来越多,问题就从“单个智能体能做什么”变成了“这么多智能体怎么管”,完成从软件服务商向AI原生服务商的转型。
中能拾贝以自主智能体为能力引擎,负责目标理解、自主规划、能力调用与结果交付等事项;让智能体上岗,绑定岗位、职责与权限,形成可授权、可管理的数字员工,通过钉钉、飞书等外部渠道统一接入,进入真实业务;在此基础上,进一步组成员工团队,预设队长、成员分工与文字化协作模式,业务人员可按需组合多名数字员工与团队协同执行,管理进度、人工待办、结果文件、日志审计等;最终,所有任务统一汇聚至任务中心,统一管理与处置,形成完整的企业级任务运行闭环。
“我们已经覆盖从自主改造至全权托管全流程服务。”刘勇说,中能拾贝已经托管了数十家水电站,实现全业务场景打通——只有实现全业务闭环,才能更好地持续积累数据,降低AI幻觉的“全闭环”,而不是靠模型本身“不乱说”。
从初创扎根广州,中能拾贝的发展历程,是本土AI企业与广州双向赋能、共同成长的缩影。
当前,广州正加速打造成为“垂类模型之都”、人工智能应用示范高地。根据最新印发的《广州市人工智能产业2026年工作要点》,这里将在2026年至2028年,打造100+垂类大模型,并在技术创新、行业推广应用、企业培养、人才聚集、生态支撑等方面给予支持。
大模型的产业价值,正在从“会聊天”走向“真干活”。公众熟悉的是聊天框里的AI,这些大模型的应用,更多集中在高容错的辅助工作场景。但在工业领域,尤其是能源电力行业,对设备运行、生产操作、系统控制有着绝对的安全、可靠、正确要求,任何执行偏差都可能引发设备损坏、大面积停电甚至人身安全事故。
这种零容错的场景要求,正是通用大模型难以深入工业核心生产环节的关键原因。“一个水电机组,仅故障模式有几千种。”刘勇说,水轮发电机组涉及到振动、温度、压力多重物理场耦合,目前,中能拾贝已经形成了完整的知识链,能自动匹配故障模式,树立了较高的行业壁垒。
“AI模型多已开源,大家能力都站在了同一起跑线,差异是你掌握了多少Know-how或者高质量数据集。”刘勇谈到,事实上,垂类模型的门槛非常高,即便是华为、阿里这样的巨头进来,也很难快速了解行业Know-how。与此同时,中能拾贝也在联合华为等巨头一起,借助其底层平台技术,更好地推进应用生态。
产业出题,技术答题,广州已然成为垂类模型的最好“练兵场”。广州作为大湾区中心城市,高校资源密集,中能拾贝正在联动华工、广工、中大等院校开展前沿技术研究。
产学研层面,中能拾贝也在与本地车企合作,申报广州重点研发项目,探索大模型驱动的新一代柔性制造落地路径。
据悉,基于大模型的柔性制造可自动完成新产线工艺优化与仿真验证,产线调整周期从数月级压缩至单晚即可完成。
“广州及大湾区拥有丰富的人才资源、庞大的制造、能源等产业集群,为AI技术提供了丰富的落地场景。”刘勇表示,大湾区拥有全球最丰富的数据训练样本,让企业能在真实产业场景中迭代优化底层算法。
刘勇说,垂类模型的构建需要行业特殊类型的数据,广州过去在各大行业积累了大量领域知识,将这些行业知识转化为领域数据,能为垂类大模型构建奠定基础。
热门资讯




猜你喜欢



